[发明专利]一种基于胶囊网络的电力通信网络设备可靠性评估方法

说明书

本发明公开了一种基于胶囊网络的电力通信网络设备可靠性评估方法，包括步骤：通过训练好的电力通信网络设备可靠性评估模型对设备进行可靠性评估；模型构建过程为：运维数据的文本信息通过词嵌入方法处理后得到输入词向量，对输入词向量以不同尺寸的卷积滤波器进行特征提取，提取到的特征通过串接的方式进行组合，在得到特征的每个位置上进一步使用卷积滤波器进行卷积滤波，构成胶囊特征向量；对每个胶囊特征向量，绑定一个激活值；对胶囊数量进行压缩后在通过基于核密度估计的胶囊路由方法得到新的胶囊特征向量和新的激活值；新的激活值用于回归预测；新的胶囊特征向量输入到解码器中重建输入特征。本发明能方便、准确评估电力通信网络设备可靠性。

技术领域

本发明涉及设备可靠性评估以及机器学习领域，具体涉及一种基于胶囊网络的电力通信网络设备可靠性评估方法。

背景技术

现代电力通信网络的规模和复杂程度都在快速攀升。作为现代智能电网的重要基础设施，电力通信网络不仅提供了电网所需的各种保障服务，还对网络上的设备和传感器进行实时的监控并维护关键运行数据。因此，对于通信网络本身的设备进行可靠性评估和分析也具有越来越高的重要性。传统的电力通信网络运维通常意味着周期性的检修或者短期的故障告警恢复，而自动的可靠性评估及预测手段可以在这些机制的基础上进一步降低网络发生严重故障的风险。

学习能源通信网络设备的可靠性评估模型仍然是一项具有挑战性的问题，这是因为通常而言能够给此类设备的运行状态提供参考的数据通常来源复杂且结构各异。传统的传感器健康程度预测或者设备可靠性评估方法通常依靠针对问题特别设计的特征提取器以及分类器训练来实现。常见的分类器包括支持向量机以及决策树等等。此类基于手动设计的特征提取方案局限性在于，通常特征只能考虑局部单个节点信息而没有办法对整个网络进行综合考虑。对于分类器的训练不是端到端实现的，导致分类器最终的预测性能完全受限于前期的特征提取是否合理。这就要求比较强的领域先验知识来指导特征提取模块的实现。另一方面，由于可用数据来源复杂结构各异，大量的交互相关知识无法被充分挖掘。

发明内容

为解决现有技术中的不足，本发明提供了一种基于胶囊网络的电力通信网络设备可靠性评估方法，解决了目前预测方法依赖于人工预处理、特征提取，不能方便、准确评估电力通信网络设备可靠性的问题。

为了实现上述目标，本发明采用如下技术方案：一种基于胶囊网络的电力通信网络设备可靠性评估方法，包括步骤：

通过训练好的电力通信网络设备可靠性评估模型对设备进行可靠性评估；

所述电力通信网络设备可靠性评估模型基于胶囊网络构建，通过原始数据和生成性扰动数据训练得到。

进一步的，所述电力通信网络设备可靠性评估模型的输入为：运维数据的文本信息；输出为：未来某周期内设备可能发生故障的次数；

模型构建过程为：

运维数据的文本信息通过词嵌入方法处理后得到输入词向量，对输入词向量以不同尺寸的卷积滤波器进行特征提取，提取到的特征通过串接的方式进行组合，在得到特征的每个位置上进一步使用1×1卷积滤波器进行卷积滤波，构成胶囊特征向量；对每个胶囊特征向量，绑定一个激活值；对胶囊数量进行压缩后在通过基于核密度估计的胶囊路由方法得到新的胶囊特征向量和新的激活值；新的激活值用于回归预测；新的胶囊特征向量输入到解码器中重建输入特征。

进一步的，所述对胶囊数量进行压缩，压缩方式为：

其中，u表示胶囊结构，l和i分别表示胶囊压缩前后的索引，u_l表示压缩前的第l个胶囊结构，表示压缩后的第i个胶囊结构，b_il表示压缩前的第l个胶囊与压缩后第i个胶囊之间的加权系数。

进一步的，所述解码器为一个一层全连接层和三层卷积层构成的小型神经网络。